Você pagou $200 pelo Codex Pro.
Você atingiu seu limite em 4 horas.
4 horas de uma janela de 5 horas. Perdidas.
E a pior parte?
Grande parte desse consumo era totalmente evitável.
Já queimei mais de $200.000 em tokens no GPT-5.6 Sol descobrindo isso.
Aqui está tudo o que aprendi — para que você não precise.
━━━━━━━━━━━━━━━━━━
Por que você está queimando limites tão rápido
Uma configuração. Um bug. Custando tudo para você.
Quando o Codex cria subagentes, ele copia exatamente o modelo pai.
Configurou o Sol como Ultra? Cada subagente também roda Sol Ultra. 3 subagentes em uma tarefa = 3 instâncias Sol Ultra queimando simultaneamente.
É por isso que sua janela de 5 horas desaparece em 90 minutos.
A ferramenta spawn_agent do Codex não tem opção para escolher um modelo diferente para agentes filhos.
Ela simplesmente clona o que você está usando.
Isso não é sua culpa. É uma falha de roteamento no sistema.
Mas agora você sabe. E tem um conserto.
━━━━━━━━━━━━━━━━━━
Modelo que você nunca deve tocar
Ultra.
Não é um nível de raciocínio. É um multiplicador.
Ultra cria 4 sub-subagentes paralelos dentro de uma única chamada de agente.
Em uma tarefa simples: subagentes criando subagentes que criam mais subagentes.
Recursivo. Descontrolado. Ruinosamente caro.
A diferença de desempenho?
Sol Ultra pontua 91,9% em benchmarks de codificação. Sol Extra High pontua 88,8%.
3,1 pontos a mais. 3x o custo.
A OpenAI nem sequer publicou os resultados do Ultra para seus dois principais benchmarks de codificação.
Isso já deveria te dizer tudo.
Evite Ultra completamente. Ponto final.
━━━━━━━━━━━━━━━━━━
Sistema de 3 modelos que resolve tudo
Você precisa de três agentes fazendo três trabalhos diferentes.
Não de um modelo fazendo tudo na potência máxima.
Sol Extra High → O Orquestrador
Planeja. Arquitetura. Delega. Toma as decisões difíceis.
Este é seu cérebro principal. Aquele que lê seu prompt e descobre o que precisa ser feito.
Extra High te dá 58/100 em benchmarks. Max te dá 59/100. Um ponto de diferença. Três vezes mais barato.
Extra High é a escolha certa aqui.
Sol Medium → O Executor
Escreve código. Corrige bugs. Roda testes. Implementa o plano.
Sol Medium ainda supera o Claude Fable 5 por 11,4 pontos em fluxos de trabalho de agentes de longa duração.
Por aproximadamente um quarto do custo.
Ele não precisa tomar decisões arquiteturais. Ele só precisa seguir instruções bem. Medium faz isso perfeitamente.
Luna Extra High → O Scanner
Buscas em arquivos. Exploração de código. Leituras leves. Coleta de evidências.
Luna em Extra High é:
→ 1,3x mais rápido que Terra
→ 2,5x mais barato que Terra
→ Mesmo desempenho em tarefas leves
Esta é a escolha sorrateira que a maioria perde.
Luna parece barata no papel ($1/$6 por milhão de tokens) mas queima mais etapas que Terra.
Em Extra High, essa contagem de etapas cai. Ela se torna a escolha óbvia para trabalho somente leitura.
━━━━━━━━━━━━━━━━━━
Truque de roteamento Sol + Luna (48 horas, zero limites atingidos)
Aqui está a configuração exata que roda continuamente sem queimar sua janela:
→ Sol Extra High escreve o plano
→ Luna Extra High o executa
→ Sol Extra High revisa a saída
É isso.
Um loop. Sem criação recursiva. Sem clones Ultra queimando em segundo plano.
A pessoa que compartilhou isso rodou por 48 horas seguidas sem atingir o limite de 5 horas uma vez.
O motivo pelo qual funciona: Sol permanece focado em decisões. Luna lida com o trabalho pesado de execução de tokens a taxas 2,5x mais baratas. A queima total de tokens cai drasticamente mesmo que você esteja fazendo mais.
Sua configuração do AGENTS.md para adicionar agora:
Só crie subagentes quando eu pedir explicitamente. Não crie subagentes automaticamente.
Isso impede que Sol crie agentes ansiosamente em cada tarefa.
Adicione ao seu AGENTS.md global e reinicie o Codex.
━━━━━━━━━━━━━━━━━━
Corrija seu config.toml em 5 minutos
Este é o arquivo real que controla tudo.
O Codex o lê na inicialização.
Configure uma vez. Toda sessão seguinte roteia automaticamente.
Abra o Codex. Cole este prompt exatamente:
Leia meu ~/.codex/config.toml atual e a documentação em
https://developers.openai.com/codex/subagents para definições de agentes personalizados.
Então faça o seguinte:
1. Crie três arquivos TOML de agente em ~/.codex/agents/:
fast_scan — para buscas rápidas, exploração de código, leitura de arquivos e análise leve.
- model: gpt-5.6-luna
- model_reasoning_effort: extra-high
- sandbox_mode: read-only
- Instruções: colete evidências rapidamente, retorne um resumo conciso, não edite arquivos.
routine_worker — para codificação rotineira, testes, documentação e correções delimitadas.
- model: gpt-5.6-sol
- model_reasoning_effort: medium
- Instruções: implemente a tarefa designada e verifique o resultado.
deep_worker — para depuração difícil, arquitetura, segurança e trabalho ambíguo de várias etapas.
- model: gpt-5.6-sol
- model_reasoning_effort: extra-high
- Instruções: lide com trabalho complexo com cuidado, valide suposições, forneça verificação robusta.
2. Atualize a seção [agents] do meu config.toml com esta política de roteamento:
"Decida automaticamente se a delegação é útil. Escolha fast_scan para trabalho leve somente leitura, routine_worker para implementação normal e deep_worker para raciocínio complexo ou de alto risco. Não pergunte ao usuário para escolher um modelo, a menos que o modelo necessário esteja indisponível. Mantenha tarefas simples no agente principal."
3. Certifique-se de que max_threads = 6 e max_depth = 1 estão definidos em [agents].
4. Mostre-me o config.toml final e todos os três arquivos de agente para que eu possa revisar antes de salvar."
O Codex cria cada arquivo. Você revisa. Você salva. Pronto.
━━━━━━━━━━━━━━━━━━
Como são seus 3 arquivos de agente
O Codex gera estes automaticamente a partir do prompt acima.
Aqui está como eles devem ser — para que você saiba o que revisar:
# ~/.codex/agents/fast-scan.toml name = "fast_scan" description = "Buscas rápidas, exploração de código, análise leve somente leitura." model = "gpt-5.6-luna" model_reasoning_effort = "extra-high" sandbox_mode = "read-only" developer_instructions = """ Colete evidências rapidamente e retorne um resumo conciso. Não edite arquivos. """
# ~/.codex/agents/routine-worker.toml name = "routine_worker" description = "Codificação rotineira, testes, documentação e correções delimitadas." model = "gpt-5.6-sol" model_reasoning_effort = "medium" developer_instructions = """ Implemente a tarefa delimitada designada e verifique o resultado. """
# ~/.codex/agents/deep-worker.toml name = "deep_worker" description = "Depuração difícil, arquitetura, segurança e trabalho ambíguo de várias etapas." model = "gpt-5.6-sol" model_reasoning_effort = "extra-high" developer_instructions = """ Lide com trabalho complexo com cuidado, valide suposições e forneça verificação robusta. """
# ~/.codex/config.toml — seção [agents] [agents] max_threads = 6 max_depth = 1 routing_policy = """ Decida automaticamente se a delegação é útil. Escolha fast_scan para trabalho leve somente leitura, routine_worker para implementação normal, e deep_worker para raciocínio complexo ou de alto risco. Não pergunte ao usuário para escolher um modelo. Mantenha tarefas simples no agente principal. """
max_depth = 1 é crítico.
Isso impede que subagentes criem seus próprios subagentes.
Um nível de delegação. Sem criação recursiva. Sem queimas descontroladas.
━━━━━━━━━━━━━━━━━━
Como escrever prompts que não queimam limites
O modelo vai continuar.
E continuar.
E continuar.
O 5.6 pode completar tarefas do início ao fim sem parar. Isso é principalmente bom.
Mas sem pontos de parada claros, ele extrapola. Reescreve coisas que não precisava. Queima 15% da sua janela em uma tarefa que precisava de 3%.
Adicione pontos de parada a cada prompt:
Para tarefas de planejamento:
Construa esta nova funcionalidade.
Comece escrevendo apenas um plano. Quando o plano estiver pronto, pare e peça meu feedback. Não escreva nenhum código ainda.
Para tarefas de implementação:
O plano parece ótimo. Implemente agora.
Use o uso do computador para testar enquanto avança. Continue até os testes passarem e você estiver satisfeito. Abra um PR quando terminar. Pare depois que o PR estiver aberto. Eu cuido das revisões a partir daí.
Para depuração:
Corrija o bug em auth.ts.
Leia o arquivo primeiro. Escreva seu diagnóstico. Pare e me mostre o diagnóstico antes de fazer alterações. Eu confirmarei antes de você prosseguir.
O padrão: diga exatamente quando parar.
Não vago. Não "use seu julgamento."
Checkpoints explícitos. Transferências claras de volta para você.
━━━━━━━━━━━━━━━━━━
Guia de níveis de esforço
Nem todas as tarefas precisam da mesma potência.
→ Baixo / Médio — tarefas rotineiras, correções simples, documentação, testes
→ Alto — funcionalidades, alterações em vários arquivos, depuração
→ Extra Alto — decisões de arquitetura, revisões de segurança, trabalho complexo de várias etapas
→ Máximo — guarde para problemas realmente difíceis nos quais você já falhou
→ Ultra — evite. Sempre.
O padrão para a maioria dos desenvolvedores: Alto.
É perfeitamente capaz. Subagentes em Alto são "não tão ruins" em queima.
A recomendação de uso diário da equipe Codex: Sol Medium.
Sol Medium supera Claude Fable 5 em benchmarks de agente. Por uma fração do preço.
Você não precisa de extra alto para tudo.
Folha de dicas de nível de esforço:
Correção simples → Sol Baixo ou Médio Nova funcionalidade → Sol Alto Problema difícil → Sol Extra Alto Varredura rápida → Luna Extra Alto Nunca → Ultra
━━━━━━━━━━━━━━━━━━
Números de benchmark que explicam tudo
Sol Extra High vs Max: 58 vs 59 pontos. Um ponto. Três vezes mais barato. Use Extra High.
Sol Medium vs Fable 5: Sol Medium vence por 11,4 pontos em fluxos de trabalho de agente. A 4x o custo menor.
Luna Extra High vs Terra: Mesmo desempenho. 1,3x mais rápido. 2,5x mais barato. Use Luna.
Ultra vs Extra High: 3,1 pontos extras. 3x mais caro. OpenAI nem sequer publicou os resultados de codificação do Ultra. Use Extra High.
O padrão: um nível abaixo = mesma qualidade, dramaticamente mais barato.
A maioria dos desenvolvedores está rodando um ou dois níveis acima do necessário em tudo.
Essa é a razão inteira pela qual os limites desaparecem em 4 horas.
Caia um nível. Mantenha a mesma saída. Dobre sua janela ativa.
━━━━━━━━━━━━━━━━━━
Antes e depois
Antes desta configuração:
→ Sol Ultra rodando tudo
→ Subagentes clonando modelo pai e esforço
→ 3 subagentes = 3 instâncias Sol Ultra queimando simultaneamente
→ Janela de 5 horas perdida em 90 minutos
→ Nenhum contexto sobre o que a queimou
Depois desta configuração:
→ Sol Extra High como orquestrador
→ Sol Medium para implementação
→ Luna Extra High para varredura
→ max_depth = 1 parando a criação recursiva
→ AGENTS.md dizendo ao Sol para não criar agentes automaticamente
→ Pontos de parada em cada prompt controlando até onde o modelo vai
Resultado: 48 horas de trabalho contínuo. Zero limites atingidos.
Mesmo plano de $200. Experiência completamente diferente.
━━━━━━━━━━━━━━━━━━
Lista de verificação de configuração completa
Faça estas cinco coisas agora mesmo:
→ 1. Abra AGENTS.md. Adicione: "Só crie subagentes quando eu pedir explicitamente."
→ 2. Cole o prompt do config.toml no Codex. Deixe-o criar os 3 arquivos de agente.
→ 3. Defina max_depth = 1 e max_threads = 6 no seu config.toml.
→ 4. Mude seu esforço padrão para Sol Alto. Não Ultra. Não Extra Alto para tudo.
→ 5. Adicione pontos de parada explícitos a cada prompt de longa duração.
Leva 10 minutos.
Economiza horas de limites queimados toda semana.
━━━━━━━━━━━━━━━━━━
Mais uma coisa
Passe tempo em ~/.codex e ~/.claude.
Esses diretórios são onde o poder real reside.
Agentes personalizados. Políticas de roteamento. Preferências de modelo. Instruções padrão.
A maioria das pessoas nunca os abre.
Os desenvolvedores que estão tirando o máximo proveito do Codex agora?
Eles fizeram mudanças que pareciam estúpidas e ficaram surpresos com o quanto importava.
Experimente. Ajuste. Monitore seu uso através do painel do Codex.
Pequenas mudanças de configuração se acumulam em taxas de queima de tokens dramaticamente diferentes.
Este é o momento mais divertido para construir com IA.
As ferramentas recompensam as pessoas que realmente se aprofundam.
━━━━━━━━━━━━━━━━━━
Se isso salvou seus limites:
→ Reposte para que outros usuários do Codex Pro vejam antes de queimarem outra janela
→ Siga @sairahul1 para mais análises de sistemas de IA
→ Marque isto — o prompt de configuração funciona, cole-o hoje à noite
Inscreva-se em theaibuilders.co para mais artigos interessantes como este
Eu escrevo sobre IA, construção de produtos e sistemas que funcionam sem você.
